网站建设 中关村,凡科网登录下载,没有备案网站可以做优化么,网站平台建设心得文章目录 引言正文PlotNeuralNet安装使用使用python进行编辑使用latex进行编辑 样例利用chatGPT使用chatGPT生成Latex代码利用chatGPT生成对应的python代码 总结引用 引言
介绍如何安装PlotNeuralNet工具#xff0c;并结合chatGPT减少学习成本#xff0c;快速出图。将按照软… 文章目录 引言正文PlotNeuralNet安装使用使用python进行编辑使用latex进行编辑 样例利用chatGPT使用chatGPT生成Latex代码利用chatGPT生成对应的python代码 总结引用 引言
介绍如何安装PlotNeuralNet工具并结合chatGPT减少学习成本快速出图。将按照软件安装和软件使用以及最终使用结果四个部分进行介绍。
正文
PlotNeuralNet
PlotNeuralNet是一个带有python借口的latex包能够生成任何你需要的神经网络的可视化图片。生成的图片质量很高可以用于课程汇报或者学术论文。你可以直接使用latex编译程序编写相关的代码自动会生成对应的图片。我一般是使用overleaf写的latex代码线上可以直接渲染并下载对应的pdf文件overleaf链接Overleaf
安装
1、在ubuntu系统中安装如下包Ubuntu 16.04系统
sudo apt-get install texlive-latex-extraUbuntu 18.04.2输入如下指令进行安装这里是需要你安装一个叫做pdflatex的软件能够将latex的代码tex转成对应的pdf。具体安装指令如下
sudo apt-get install texlive-latex-base
sudo apt-get install texlive-fonts-recommended
sudo apt-get install texlive-fonts-extra
sudo apt-get install texlive-latex-extra将latex代码文件tex后缀的转成对应的pdf文件具体指令见下方
pdflatex latex_source_name.texwindows平台 下载并安装MikeTex软件下载链接下载并安装windows上运行的bash运行工具推荐使用git的bash工具或者Cygwin git下载链接Cygwin下载链接 2、运行如下指令
cd pyexamples/
bash ../tikzmake.sh test_simple这里可以看一下测试样例的python代码 完整的图片对应的latex代码
\documentclass[border8pt, multi, tikz]{standalone}
\usepackage{import}
\subimport{../layers/}{init}
\usetikzlibrary{positioning}
\usetikzlibrary{3d} %for including external image\def\ConvColor{rgb:yellow,5;red,2.5;white,5}
\def\ConvReluColor{rgb:yellow,5;red,5;white,5}
\def\PoolColor{rgb:red,1;black,0.3}
\def\UnpoolColor{rgb:blue,2;green,1;black,0.3}
\def\FcColor{rgb:blue,5;red,2.5;white,5}
\def\FcReluColor{rgb:blue,5;red,5;white,4}
\def\SoftmaxColor{rgb:magenta,5;black,7}
\def\SumColor{rgb:blue,5;green,15}\newcommand{\copymidarrow}{\tikz \draw[-Stealth,line width0.8mm,draw{rgb:blue,4;red,1;green,1;black,3}] (-0.3,0) -- (0.3,0);}\begin{document}
\begin{tikzpicture}
\tikzstyle{connection}[ultra thick,every node/.style{sloped,allow upside down},draw\edgecolor,opacity0.7]
\tikzstyle{copyconnection}[ultra thick,every node/.style{sloped,allow upside down},draw{rgb:blue,4;red,1;green,1;black,3},opacity0.7]\pic[shift{(0,0,0)}] at (0,0,0){Box{nameconv1,caption ,xlabel{{64, }},zlabel512,fill\ConvColor,height64,width2,depth64}};\pic[shift{ (0,0,0) }] at (conv1-east){Box{namepool1,caption ,fill\PoolColor,opacity0.5,height32,width1,depth32}};\pic[shift{(1,0,0)}] at (pool1-east){Box{nameconv2,caption ,xlabel{{64, }},zlabel128,fill\ConvColor,height32,width2,depth32}};\draw [connection] (pool1-east) -- node {\midarrow} (conv2-west);\pic[shift{ (0,0,0) }] at (conv2-east){Box{namepool2,caption ,fill\PoolColor,opacity0.5,height28,width1,depth28}};\pic[shift{(3,0,0)}] at (pool1-east){Box{namesoft1,captionSOFT,xlabel{{ ,dummy}},zlabel10,fill\SoftmaxColor,opacity0.8,height3,width1.5,depth25}};\draw [connection] (pool2-east) -- node {\midarrow} (soft1-west);\pic[shift{(1.5,0,0)}] at (soft1-east){Ball{namesum1,fill\SumColor,opacity0.6,radius2.5,logo$$}};\draw [connection] (soft1-east) -- node {\midarrow} (sum1-west);\end{tikzpicture}
\end{document}使用
使用python进行编辑
具体的python编写代码
import sys
sys.path.append(../)
from pycore.tikzeng import *# defined your arch
arch [to_head( .. ),to_cor(),to_begin(),to_Conv(conv1, 512, 64, offset(0,0,0), to(0,0,0), height64, depth64, width2 ),to_Pool(pool1, offset(0,0,0), to(conv1-east)),to_Conv(conv2, 128, 64, offset(1,0,0), to(pool1-east), height32, depth32, width2 ),to_connection( pool1, conv2), to_Pool(pool2, offset(0,0,0), to(conv2-east), height28, depth28, width1),to_SoftMax(soft1, 10 ,(3,0,0), (pool1-east), captionSOFT ),to_connection(pool2, soft1), to_Sum(sum1, offset(1.5,0,0), to(soft1-east), radius2.5, opacity0.6),to_connection(soft1, sum1),to_end()]def main():namefile str(sys.argv[0]).split(.)[0]to_generate(arch, namefile .tex )if __name__ __main__:main()注意切换到当前python对应的路径下方运行如下指令
cd pyexamples/
bash ../tikzmake.sh test_simple使用latex进行编辑
这里我是使用overleaf进行编辑的也是参考了别人的模板具体链接 overleaf模板链接不要动layers中的包只需要改变main.tex就可 样例 利用chatGPT
使用chatGPT生成Latex代码
按照网上的教程这里需要先给他一个样例并且这个样例和你需要画的文件具有一定的相似性然后让chatGPT帮你生成具体指令如下
这是生成CNN的latex代码使用的是PlotNeuralNet的Latex包根据这个代码帮我写一下FCN的latex代码生成效果如下 他生成的总归有一些问题这个时候你需要根据模型的实际内容进行修改。我也试验了直接生成对应的模型看了一下具体的效果 这里直接让他生成unet模型它只能生成特定的模块并不能生成完整的网络模型 根据具体的操作过程在后续的过程中会更新
利用chatGPT生成对应的python代码
chatGPT默认的PlotNeuralNet是一个Latex包其中并没有python的接口所以并不能生成对应的代码。直接生成不现实。 这里还是尝试先给他一个代码样例然后在提出对应的要求。效果良好。 但是注意PlotNeuralNet的python接口支持的组件不多有一部分的模型画不出来仅仅支持一下的几种 总结
使用这个工具虽然不能完全不需要写代码 但是尽可能减少了我所需要写的编码量只需要编写局部就行了。不过还是需要能看懂然后才能进行改错。
引用
Creating Stunning Neural Network Visualizations with ChatGPT and PlotNeuralNetPlotNeuralNet
